限流是指在高并發、大流量請求的情況下，限制新的流量對系統的訪問，以保證系統服務的安全性。常見的限流算法及其詳細介紹如下：
計數器算法（Fixed Window Counter）
- 原理：使用一個固定時間窗口內的計數器來記錄請求的數量。若計數器超過設定的閾值，則拒絕后續請求。
- 實現：定義一個時間窗口（如1秒），在窗口內維護一個計數器。接收到請求時，計數器加1。若計數器超過閾值，則限流；否則允許。
- 特點：簡單易實現，適用于低精度的限流需求。
- 局限：窗口邊界處可能產生突發流量。例如，當前窗口接近閾值，新窗口開始時流量激增。
滑動窗口計數器（Sliding Window Counter）
- 原理：將固定窗口進一步細分為更小的時間片段，根據當前時間的滑動，將多個時間片段內的請求數量進行累加。
- 實現：將時間窗口（如1秒）分為多個時間片段（如100毫秒），使用一個隊列存儲各時間片段的計數。請求時移除過期的時間片段，并累計最新的請求數。
- 特點：緩解固定窗口算法的邊界問題，流量控制更加平滑。
- 局限：實現較為復雜，存儲和計算開銷增加。
漏桶算法（Leaky Bucket）
- 原理：系統按固定速率處理請求，若隊列滿，則丟棄新請求。可以平滑突發流量，將其轉化為穩定輸出。
- 實現：維護一個隊列表示漏桶，按固定速率處理請求。
- 特點：控制請求處理速率。
- 局限：丟棄超量請求可能導致用戶體驗下降。
令牌桶算法（Token Bucket）
- 原理：系統按固定速率向桶中加入“令牌”，每次請求需要消耗一個令牌，若令牌不足，則拒絕請求。
- 實現：維護一個桶存儲令牌，設定令牌生成速率和桶容量。若桶中有足夠令牌，則允許請求；否則拒絕。
- 特點：支持突發流量處理（通過允許提前消費桶中積累的令牌），限流效果較平滑。
- 局限：相比漏桶算法實現稍復雜。
基于時間戳的限流算法
- 原理：記錄每個請求的時間戳，根據當前時間窗口計算歷史請求數量，決定是否限流。
- 實現：使用一個有序集合（如Redis的zset）存儲時間戳。請求時清理超出時間窗口的過期時間戳，并統計剩余時間戳數量。
- 特點：精度高，適合精細化限流。
- 局限：存儲開銷大，尤其在高并發下可能性能較低。
分布式限流算法
- 原理：在分布式系統中，利用Redis等緩存系統的特性，實現跨節點的流量管理。
- 實現：將限流邏輯分布到不同節點，按哈希分配請求。通過分布式鎖協調各節點的限流操作。
- 特點：支持跨節點的流量管理。
- 局限：需要額外的分布式協調開銷。
基于隊列的限流算法
- 原理：通過消息隊列（如RabbitMQ、Kafka）對流量進行控制。
- 實現：請求先進入消息隊列，消費者以固定速率處理隊列中的請求。
- 特點：適合異步處理場景，天然支持流量削峰。
- 局限：實時性較差。
在實際應用中，常根據業務需求結合多種限流算法。例如，漏桶算法控制請求速率，令牌桶算法允許短時間內的突發流量，Redis滑動日志實現分布式限流等。選擇合適的限流算法，可以在保護系統的同時，盡可能提高流量的利用率和用戶體驗。
